Když se český investor ptá, jestli může jen tak naklikat odhad ceny vily na Phuketu do nějaké aplikace a věřit číslu na obrazovce, odpověď zní: u běžného bytu ano, u vily s výhledem na moře rozhodně ne. Podle reálného benchmarku z roku 2026, který zpracoval Core Insights Review na datech z desítek AVM platforem, se medián chyby u standardního bydlení propadl na pouhých 2-3 %. Jenže u nemovitostí nad 2 miliony dolarů se ta samá chyba vyšplhá na 10-20 %, a v některých segmentech AI stále prohrává se zkušeným odhadcem z masa a kostí.
Přímá odpověď: dá se AI odhadu věřit?
Ano, ale s výhradami. U standardního bytu do 500 000 dolarů je automatizovaný odhad (AVM, automated valuation model) rozumným prvním filtrem. U prémiové vily nebo unikátního pozemku je to nanejvýš orientační vodítko, které musí doplnit licencovaný odhadce. Toto není marketingové klišé, je to přímý závěr z čerstvého srovnávacího výzkumu, který má konkrétní čísla, jimž se dá věřit.
Jak přesná je AI v roce 2026 v číslech
- Medián chyby AVM u standardního bydlení činí v roce 2026 2-3 %, což je 4-5x lepší výsledek než v roce 2021
- U nemovitostí nad 2 miliony dolarů se chyba rozšiřuje na 10-20 %, a do této kategorie spadají vily na Phuketu i prémiové kondominium v Bangkoku
- Bytové komplexy pro více rodin (multifamily) dosahují nejvyšší přesnosti: shoda s tržní cenou 95-97 %
- Kancelářské nemovitosti jsou na tom hůř, přesnost se pohybuje v rozmezí 88-94 %
- Konkrétně pro thajský trh lze podle srovnatelných regionálních dat čekat chybu 5-8 % u standardních kondominií a 15-20 % u unikátních vil a pozemků
- Shoda napříč oborem je jasná: AVM je součást procesu oceňování, nikoli náhrada za profesionálního odhadce
Co algoritmus skutečně umí a s čím bojuje
Moderní modely strojového učení analyzují přibližně 200 parametrů nemovitosti za zhruba 0,3 sekundy, trénované na rozsáhlých souborech historických transakcí a makroekonomických ukazatelích. Za pět let se přesnost u standardního bydlení zlepšila 4-5x, z chybovosti 10-15 % na dnešní 2-3 %. Za tím stojí větší tréninkové databáze a lepší přístup k registrům transakcí.
U komerčních nemovitostí se přesnost výrazně liší podle typu: multifamily dosahuje 95-97 %, zatímco kanceláře jen 88-94 %. Retailové a hotelové nemovitosti skórují ještě hůř kvůli nepravidelným peněžním tokům.
V Thajsku je hlavním limitem AVM omezený přístup k reálným transakčním datům. Thajský katastr (Department of Lands) sice registruje převody, ale deklarované ceny bývají často podhodnocené, takže model trénuje na zkreslených číslech.
Rizikový faktor, na který se často zapomíná: záplavy
Pobřežní nemovitosti bez zveřejněného rizika záplav mohou být podle odhadů analytiků nadhodnocené o 5-15 %, což je relevantní téma zejména pro developerské projekty podél Andamanského pobřeží. Většina AVM platforem pokrývajících thajský trh zatím data o riziku záplav vůbec nezahrnuje. Thajsko přitom nemá zákon, který by prodávajícímu ukládal takové riziko při prodeji zveřejnit, a to vytváří systémové zkreslení směrem k nadhodnocování pobřežních nemovitostí. V globálním měřítku se toto nadhodnocení kvůli nezveřejněnému riziku záplav odhaduje na 121-237 miliard dolarů.
AI predikce výnosu z pronájmu dosahuje 85-90% přesnosti na vyspělých trzích jako Phuket a Bangkok v horizontu 6-12 měsíců, ale klesá na 60-70 % na trzích s menším objemem dat, jako je Koh Samui nebo Krabi.
Benchmark 2-3 % chybovosti platí především pro masový segment, typicky studia o 25-35 m² ve velkých rezidenčních projektech. U unikátních vil s výhledem na moře algoritmy selhávají kvůli nedostatku srovnatelných prodejů.
Přehled přesnosti podle typu nemovitosti
| Typ nemovitosti | Přesnost / chybovost AVM |
|---|---|
| Standardní bydlení (globálně, 2026) | chyba 2-3 % |
| Standardní kondominium v Thajsku | chyba 5-8 % |
| Unikátní vily a pozemky v Thajsku | chyba 15-20 % |
| Nemovitosti nad 2 mil. USD | chyba 10-20 % |
| Multifamily rezidenční komplexy | přesnost 95-97 % |
| Kancelářské nemovitosti | přesnost 88-94 % |
Postup krok za krokem pro kupujícího v Thajsku
- Zařaďte svou nemovitost do segmentu. U standardního kondominia do 500 000 dolarů čekejte chybu 2-3 % (respektive 5-8 % konkrétně v Thajsku). U vily nad 2 miliony dolarů počítejte s odchylkou 10-20 % a najměte si nezávislého odhadce.
- Vyžádejte si AVM report. Využijte platformy pracující s thajskými daty, například PropertyGuru DataSense, Baania nebo DDProperty, v kombinaci s mezinárodními službami pokrývajícími jihovýchodní Asii. Porovnejte výsledky minimálně ze dvou systémů.
- Ověřte vstupní data. Algoritmus je jen tak dobrý, jaká data zná. Zkontrolujte, zda report zohledňuje patro, výhled, parkování, dostupnost dopravy a rok výstavby. Pokud model ignoruje výhled na moře, jeho odhad je pro prémiový segment prakticky bezcenný.
- Zohledněte klimatické riziko. U pobřežních nemovitostí si vyžádejte data o záplavové zóně. Thajsko sice nemá povinné zveřejňování tohoto rizika ze zákona, ale mapy povodní zveřejňuje agentura GISTDA (Geo-Informatics and Space Technology Development Agency).
- Porovnejte s reálnými prodeji. Požádejte svého makléře o data k posledním 5-10 srovnatelným prodejům ve stejném projektu nebo lokalitě. Rozdíl mezi odhadem AVM a skutečnou prodejní cenou ukáže, jak přesný je model lokálně.
- Najměte licencovaného odhadce. U nemovitostí v hodnotě 10 milionů baht (přibližně 280 000 dolarů) a výš se profesionální ocenění (15 000-30 000 baht) mnohonásobně vyplatí. AI zúží rozpětí, konečné slovo ale musí mít člověk.
- Pokud plánujete prohlídkovou cestu, rezervujte letenky s předstihem, ceny přímých letů v hlavní sezóně totiž typicky rostou 3-4 týdny před odletem.
Časté otázky
Jak přesný je AI odhad ceny nemovitosti v Thajsku v roce 2026? U standardních kondominií masového segmentu je globální benchmark chyby 2-3 %. V Thajsku je přesnost nižší kvůli omezenému přístupu k reálným transakčním cenám, počítejte s chybou 5-8 % u typických kondominií a 15-20 % u unikátních nemovitostí.
Proč má AI problém odhadnout cenu dražších nemovitostí? Algoritmy se učí z rozsáhlých datových sad. Na Phuketu se ročně prodá jen několik desítek vil v cenové kategorii 3-5 milionů dolarů, což je statisticky málo dat na přesný model. Benchmark z roku 2026 ukazuje chybu 10-20 % u nemovitostí nad 2 miliony dolarů.
Může algoritmus úplně nahradit profesionálního odhadce? Ne. Shoda napříč oborem je jasná: AVM je jeden prvek procesu oceňování, nikoli náhrada odborné analýzy. Thajské banky navíc při schvalování hypotéky stále vyžadují posudek od licencovaného odhadce.
Jaká data AI model potřebuje pro přesný odhad? Minimálně lokalitu, velikost, patro, rok výstavby, kvalitu provedení a parkování. U pobřežních nemovitostí je klíčové riziko záplav. Modely, které tyto faktory vynechávají, mají tendenci nadhodnocovat, a v globálním měřítku se nadhodnocení pobřežních nemovitostí kvůli nezveřejněnému riziku záplav odhaduje na 121-237 miliard dolarů.
Které AVM platformy pokrývají thajský trh? PropertyGuru DataSense, Baania a DDProperty udržují databáze pro thajský trh. Mezinárodní platformy jako Zillow nebo Redfin Thajsko nepokrývají. Pro investiční analýzu se nejlépe osvědčí kombinace více lokálních zdrojů dat.
Co je multifamily bydlení a proč ho AI oceňuje nejpřesněji? Multifamily označuje víceúčelové rezidenční komplexy s jedním vlastníkem, které se pronajímají po jednotlivých bytech. Standardizované peněžní toky a velký objem transakcí dávají AI modelům dostatek dat, díky čemuž dosahují přesnosti 95-97 %, nejlepšího výsledku ze všech typů komerčních nemovitostí.
Zohledňují AI modely riziko záplav v Thajsku? Většina AVM platforem pokrývajících thajský trh data o riziku záplav zatím neintegruje. Thajsko nemá zákon, který by vyžadoval zveřejnění takového rizika při prodeji, což vytváří systémové zkreslení směrem k nadhodnocování pobřežních nemovitostí.
Mám věřit AI odhadu při koupi bytu na Phuketu? U standardní jednotky v masovém developerském projektu ano, jako výchozí bod. Vyžádejte si AVM report a porovnejte ho se skutečnými prodeji ve stejném projektu. Pokud je rozdíl pod 5 %, odhad je spolehlivý. U penthousů s výhledem a vil se raději spolehněte na profesionálního odhadce.
AI oceňování se za pět let proměnilo z experimentální hračky ve skutečně užitečný nástroj. Medián chyby 2-3 % u standardního bydlení je působivý výsledek. Chytrý investor ale zná limity každého nástroje: AVM využijte pro první selekci a rychlé odfiltrování nereálných nabídek, konečné rozhodnutí ale postavte na profesionálním posudku a vlastní prohlídce nemovitosti na místě. Tým Nemovitosti v Thajsku doporučuje kombinovat oba přístupy vždy, když jde o vyšší částky.
Zdroj: Bangkok Post